Le télescope spatial James Webb (JWST), un instrument révolutionnaire pour l’observation astronomique, a récemment été confronté à un défi : des images floues provenant d’un composant clé. Heureusement, une équipe de chercheurs australiens a développé un algorithme d’intelligence artificielle (IA) qui a réussi à résoudre ce problème, marquant une victoire majeure pour la communauté scientifique désireuse d’exploiter les capacités du télescope dans la recherche d’exoplanètes dans notre galaxie, la Voie lactée.
Le problème : images floues provenant d’un instrument spécialisé
Les images floues proviennent de l’interféromètre à masquage d’ouverture (API), un instrument qui n’est pas l’un des quatre outils principaux du JWST, mais plutôt un dispositif qui améliore les capacités de l’un d’entre eux : l’imageur proche infrarouge et le spectrographe sans fente (NIRISS). L’API fonctionne en combinant la lumière de différentes sections du miroir principal du JWST, renforçant ainsi la capacité de l’instrument à détecter des objets faibles et éloignés, en particulier de petites exoplanètes entourant d’autres étoiles.
Cependant, après la mise sous tension de l’instrument, les images résultantes étaient visiblement floues, faisant écho à un défaut optique important rencontré par le prédécesseur du JWST, le télescope spatial Hubble. En 1990, Hubble s’est avéré myope en raison d’imperfections de son miroir principal, ce qui a nécessité une mission coûteuse et complexe pour installer des miroirs correcteurs en orbite.
Pourquoi une solution était si difficile – et pourquoi les humains n’ont pas pu aider
Résoudre le problème avec JWST s’est avéré bien plus difficile qu’avec Hubble. Alors que Hubble orbite à seulement 320 milles au-dessus de la Terre – un endroit relativement accessible – JWST réside à une distance de 930 000 milles (1,5 million de km). Cette vaste distance – plus de trois fois la distance jusqu’à la Lune – signifie qu’aucune mission spatiale habitée n’a jamais été envoyée jusqu’à présent, excluant ainsi toute réparation physique.
La solution IA : un réseau neuronal appelé AMIGO
La source du flou a été attribuée aux distorsions électroniques du détecteur de caméra infrarouge de JWST. Pour surmonter cet obstacle, un ancien doctorant de l’Université de Sydney. les étudiants Max Charles et Louis Desdoigts ont créé un réseau neuronal, un type d’algorithme d’IA imitant le cerveau humain. Cet algorithme, nommé AMIGO (pour Aperture Masking Interferometry Generative Observations), identifie et corrige efficacement les pixels affectés par des charges électriques, affinant ainsi les observations déformées.
“Au lieu d’envoyer des astronautes monter de nouvelles pièces, ils ont réussi à réparer les choses avec du code”, a déclaré Tuthill dans un communiqué.
Résultats remarquables et capacités étendues
L’algorithme AMIGO s’est avéré très efficace. Les chercheurs ont démontré ses capacités en affinant les images d’une exoplanète faible et d’une étoile froide de faible masse située à 133 années-lumière de la Terre. Les campagnes d’imagerie ultérieures, avec l’API travaillant aux côtés d’AMIGO, ont produit des images détaillées d’un jet de trou noir, de la surface volcanique de la lune Io de Jupiter et de vents stellaires émanant d’une étoile lointaine et variable.
“Ce travail met encore plus en évidence la vision de JWST”, a déclaré Desdoigts, aujourd’hui chercheur postdoctoral à l’Université de Leiden aux Pays-Bas, dans le communiqué. “C’est incroyablement gratifiant de voir une solution logicielle étendre la portée scientifique du télescope.”
Le télescope spatial James Webb a révolutionné l’astronomie depuis sa mise en service en juillet 2022, fournissant des informations sans précédent sur la formation des premières galaxies et des trous noirs. Le composant API étant désormais entièrement fonctionnel grâce à la solution IA, JWST est sur le point de débloquer des découvertes encore plus révolutionnaires et de faire progresser notre compréhension de l’univers.
